摘要：同事把工牌往桌上一扔，群里瞬间炸锅：原来裁员名单是按“顶会数量”排序的，零篇=零缓冲。

“没发NeurIPS，直接走人。

”

这不是段子，是上周某大厂AI组的真事。

同事把工牌往桌上一扔，群里瞬间炸锅：原来裁员名单是按“顶会数量”排序的，零篇=零缓冲。

神经网络的江湖，卷到论文才算门票。

可论文那么多，到底哪几篇能救命？

把最近能翻到的五篇“硬通货”拆给你看，读完至少知道该往哪跑。

QSD-Transformer：把模型塞进手表

想象把ResNet-50塞进智能手环还能跑ImageNet，这就是QSD-Transformer干的事。

作者把脉冲神经元当开关，1比特权重+熵正则化，模型直接瘦身8倍，功耗砍到1/6。实验室里跑出来的80.3% Top-1，足够让老板闭嘴——毕竟“能跑在纽扣电池上”比“能跑在A100上”性感多了。

OT-Transformer：时间不再是切片

传统Transformer把句子切成一块块token，OT-Transformer偏不。

它把最优传输塞进微分方程，让模型像水流一样连续思考。

实测在点云分类里，离散版掉3个点，它反而涨2个点。

做时序预测的朋友直接喊：这不就是给股价、天气、脑电信号量身定制的吗？

NAS：炼丹炉自动点火

以前调网络像熬中药，一熬三天。

现在把搜索空间写成宏-微两层菜单，GPU自己点菜。

CIFAR-10上刷到97.6%，搜完只要4小时，比前辈快4倍。

更骚的是，搜完的结构直接搬到人脸识别门禁，准确率从92%干到96%，保安大叔以为换了新相机。

compleX-PINN：物理老师开始学AI

PINN原本被吐槽“解方程不如数值法”，compleX-PINN掏出复变函数里的柯西积分，把激活函数改成可学习的“复数弹簧”。

单隐藏层就能搞定传统PINN十层都学不会的湍流。

材料所的同学连夜跑去找导师：以后做电池仿真，是不是可以少啃一周的Fluent？

META：ViT的减肥餐

ViT吃显存像喝奶茶，META给它换了十字形注意力+共享层归一化，推理速度飙1.8倍，显存砍半。

语义分割任务里，Cityscapes mIoU反涨1.3。做自动驾驶的哥们笑疯：终于能在Orin上跑实时了，再也不用半夜偷A100。

彩蛋：硬件也在偷偷卷

QSD-Transformer的脉冲思路，已经被某国产芯片拿去流片，号称“一块电池跑一年”。

META的适配器块，被手机厂魔改后塞进拍照算法，夜景模式出片快了一倍。

论文不是终点，是下一轮内卷的起点。

一句话总结：想在大厂AI岗活过下一轮优化，至少得把上面五篇的GitHub star点到1k以上。

来源：平和处世